基础设施与稳定性工程-管控平台研发工程师-集群与节点管控平台

1. 负责阿里集团大规模 Kubernetes 调度集群与 AI 资源池资源管理系统的设计、研发与运维 2. 负责 K8s Master、etcd、节点管理、弹性能力、数据体系、风控体系等核心组件的设计、研发与运维，保障管控面的高可用与可扩展 3. 负责 K8s 调度集群与节点基础环境的稳定性能力建设，构建可观测性、监控告警、异常检测与自愈恢复、研发质量等 DevOps 基础平台 4. 负责海量 GPU / XPU 服务器的稳定性和自动化运维能力建设，包括健康检测、故障自动隔离与自愈、在线率保障等，保障资源高效率、高质量交付 5. 探索 AI 驱动的智能化运维能力，结合 LLM / Agent 等技术持续提升资源管控平台的自动化、智能化与自愈水平 【任职要求】 1. 3年以上分布式系统相关经验，熟悉高并发、分布式通信、存储等相关技术 2. 熟练掌握 Golang / Java 语言开发，具备 Python、Shell 等其他一种或多种语言开发经验 3. 有 Kubernetes 等容器云技术产品与应用开发背景，有 Docker / Kubernetes 相关开源项目贡献者优先 4. 对 Linux 系统有较深入的理解，有基于容器的基础设施运维经验者优先 5. 熟悉 Linux 网络、容器网络、存储相关解决方案，有实施容器存储 / 网络经验者优先 6. 良好的学习能力，较强的逻辑思考能力，较强的团队沟通和协作能力，较强的自我驱动与扛压能力